在官网上下载下来的 tess4j 的zip,初见时看的云里雾里的,原以为是个jar,直接引用就好了,结果竟是个zip。网上查一下用法,各种说法,各种菜,全是误导,自己不懂就敢瞎说...
实际上使用时需要注意一下几点:
一、引jar包
打开压缩包,在dist下边有tess4j的jar,这个jar包在lib下也可以找到,这是关键jar。此外还需要其他好多依赖jar包,这些都可以在lib下找到。lib下是否所有jar都需要用到我也不清楚,这里我引入了lib下所有jar(简单粗暴)。
二、指定tessdata文件
在tessdata文件夹中存放着字库文件(xxx.traineddata),很关键。字库可扩展。tessdata的文件夹名称不能改变,否则会找不到。程序默认此文件夹位置为 “ ./tessdata/eng.traineddata”,即path下。路径可以设置:
ITesseract instance = new Tesseract();
instance.setDatapath("D:\\IDEA\\mytest\\OCR"); //当tessdata路径为"D:\IDEA\mytest\OCR\tessdata" 时
三、引dll库
好多网友说需要引入dll库,实际上无需引用任何dll库,tess4j.jar 内有所需dll库。在这里无需做任何处理
做好以上几点就可以识别正规无干扰的图片文字了。
代码如下:
public static void main(String[] args) { try { File imageFile = new File("D:\\IDEA\\mytest\\OCR\\src\\img\\繁体字.png");//图片位置 ITesseract instance = new Tesseract(); // JNA Interface Mapping instance.setDatapath("D:\\IDEA\\mytest\\OCR");//设置tessdata位置 instance.setLanguage("osd");//选择字库文件(只需要文件名,不需要后缀名) String result = instance.doOCR(imageFile);//开始识别 System.out.println(result);//打印图片内容 } catch (TesseractException e) { e.printStackTrace(); } }